标签：风险 githubusercontent ## 书匠 images 参数估计 VaR FutureHasCome

--- title: 市场风险_VaR_非参数估计 tags: '市场风险,VaR值估计,非参数估计' category: /市场风险/VaR值估计/非参数估计 renderNumberedHeading: true grammar_cjkRuby: true --- [toc] # 1. Historical Simulation ## 1.1 假设 - the near future will be sufficiently like the recent past ## 1.2 做法 100个数， 95%的VaR也就是排序后第6个数 ## 1.3 Bootstrapped Historical Simulation - 解决历史数据少的问题 - 直观，容易操作 - 自助抽样估计的VaR值更加准确（相对于原始的估计而言） - 步骤：  ## 1.4 Non-parametric Density Estimation - 为了解决只能离散估计的问题 - 采用的是线性差值的方式 - 举例来说： 6th → 95% VaR 7th → 96% VaR 两者求平均，得到的就是95.5%的VaR的估计值 ## 1.5 计算例题  注意：这里的是VaR是7而不是10 $$ VaR_{\alpha}(X) = inf\{t:p(x \leq t) \geq \alpha\} $$ # 2. ES VS VaR ## 2.1 ES - ES是超过VaR值的损失的期望 - 满足次可加性和一致性 - 能够反映尾部风险 ## 2.2 ES和VaR的对比 - 相比于VaR而言，ES曲线更加的平滑，反映了尾部损失的平均情况；VaR反应的是单个损失观测的随机性，不够平稳（ghost效应） - 期限越长(window)，VaR曲线更加稀疏 - 持有期(holding period)越长，观测的数量就越少，可能就没有足够的数据 - 数据越老旧，与当前市场情况就越不相关。 ## 2.3 window & holding period - window: 计算单个VaR的数值有多少个 - holding period：单个数据的属性，如使用daily return估计的daily VaR - window太长会带来的问题  # 3. 优缺点 **优点**  **缺点** 

标签：风险,githubusercontent,##,书匠,images,参数估计,VaR,FutureHasCome
来源： https://www.cnblogs.com/littleyueyue/p/16418069.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。